「cs.SD」カテゴリーアーカイブ

Visual Echoes: A Simple Unified Transformer for Audio-Visual Generation

投稿日: 2024年5月27日 作成者: jarxiv

要約 近年、現実的な生成結果と幅広いパーソナライズされたアプリケーションにより、 … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Visual Echoes: A Simple Unified Transformer for Audio-Visual Generation はコメントを受け付けていません

A Dataset and Baselines for Measuring and Predicting the Music Piece Memorability

投稿日: 2024年5月22日 作成者: jarxiv

要約 今日、人類は自発的なストリーミング サービスやコマーシャルの休憩中の偶然の … 続きを読む →

カテゴリー: cs.IR, cs.LG, cs.MM, cs.SD, eess.AS | A Dataset and Baselines for Measuring and Predicting the Music Piece Memorability はコメントを受け付けていません

Images that Sound: Composing Images and Sounds on a Single Canvas

投稿日: 2024年5月21日 作成者: jarxiv

要約 スペクトログラムは、私たちの視覚世界にある画像とは大きく異なるサウンドの … 続きを読む →

カテゴリー: cs.CV, cs.LG, cs.MM, cs.SD, eess.AS | Images that Sound: Composing Images and Sounds on a Single Canvas はコメントを受け付けていません

Naturalistic Music Decoding from EEG Data via Latent Diffusion Models

投稿日: 2024年5月20日 作成者: jarxiv

要約 この記事では、脳波 (EEG) 記録から自然な音楽を再構築するタスクに、強 … 続きを読む →

カテゴリー: cs.LG, cs.SD, eess.AS | Naturalistic Music Decoding from EEG Data via Latent Diffusion Models はコメントを受け付けていません

Towards auditory attention decoding with noise-tagging: A pilot study

投稿日: 2024年5月20日 作成者: jarxiv

要約 聴覚注意デコーディング (AAD) は、脳活動から話者候補の中から注目して … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.SD, eess.AS, q-bio.NC | Towards auditory attention decoding with noise-tagging: A pilot study はコメントを受け付けていません

Building a Luganda Text-to-Speech Model From Crowdsourced Data

投稿日: 2024年5月17日 作成者: jarxiv

要約 ルガンダなどのアフリカ言語のテキスト読み上げ (TTS) 開発は依然として … 続きを読む →

カテゴリー: cs.CL, cs.SD, eess.AS | Building a Luganda Text-to-Speech Model From Crowdsourced Data はコメントを受け付けていません

Listen Again and Choose the Right Answer: A New Paradigm for Automatic Speech Recognition with Large Language Models

投稿日: 2024年5月17日 作成者: jarxiv

要約 大規模言語モデル (LLM) の最近の進歩により、自動音声認識 (ASR) … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | Listen Again and Choose the Right Answer: A New Paradigm for Automatic Speech Recognition with Large Language Models はコメントを受け付けていません

GenTranslate: Large Language Models are Generative Multilingual Speech and Machine Translators

投稿日: 2024年5月17日 作成者: jarxiv

要約 大規模言語モデル (LLM) の最近の進歩により、表現エラーが減少し、外部 … 続きを読む →

カテゴリー: cs.AI, cs.CL, cs.LG, cs.SD, eess.AS | GenTranslate: Large Language Models are Generative Multilingual Speech and Machine Translators はコメントを受け付けていません

Revisiting Deep Audio-Text Retrieval Through the Lens of Transportation

投稿日: 2024年5月17日 作成者: jarxiv

要約 Learning-to-match (LTM) フレームワークは、2 つの … 続きを読む →

カテゴリー: cs.AI, cs.SD, eess.AS | Revisiting Deep Audio-Text Retrieval Through the Lens of Transportation はコメントを受け付けていません

Faces that Speak: Jointly Synthesising Talking Face and Speech from Text

投稿日: 2024年5月17日 作成者: jarxiv

要約 この作業の目標は、自然な話し顔とテキストからの音声出力を同時に生成すること … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.SD, eess.AS, eess.IV | Faces that Speak: Jointly Synthesising Talking Face and Speech from Text はコメントを受け付けていません